Java:在 Java 程序中解释 UTF-8

Question

我的程序正在从浏览器应用程序接收一个被解释为 UTF-8 的整数数组(代码中的示例)。我可以将生成的字符串(下面代码中显示的“theString”)回显到浏览器，一切都很好。但在Java程序中就不行了。输入字符串是“Hällo”。但它从 Java 程序中打印出来为“Hõllo”。

import java.io.*;
import java.nio.charset.*;

public class TestCode {
   public static void main (String[] args) throws IOException {

      // H : 72
      // ä : 195 164
      // l : 108
      // o : 111
      // the following is the input sent from browser representing String = "Hällo"
      int[] utf8Array = {72, 195, 164, 108, 108, 111};

      String notYet = new String(utf8Array, 0, utf8Array.length);
      String theString = new String(notYet.getBytes(), Charset.forName("UTF-8"));

      System.out.println(theString);
   }
}

Answer 1

这就能解决问题:

int[] utf8Array = {72, 195, 164, 108, 108, 111};
byte[] bytes = new byte[utf8Array.length];
for (int i = 0; i < utf8Array.length; ++i) {
    bytes[i] = (byte) utf8Array[i];
}
String theString = new String(bytes, Charset.forName("UTF-8"));

直接传递 int[] 的问题是 String 类将每个 int 解释为单独的字符，而在转换为 byte[] String 将输入视为原始字节，并理解 195, 164 实际上是由两个字节而不是两个字符组成的单个字符。

更新:不幸的是，回答您的评论，Java 就是那么冗长。与 Scala 比较:

val ints = Array(72, 195, 164, 108, 108, 111)
println(new String(ints map (_.toByte), "UTF-8"))

再次强调，int 和 byte 之间的区别不仅仅是编译器的挑剔，它们在 UTF-8 编码方面确实意味着不同的东西。